原文作者：公众号 " 交叉力学与智能系统 "

原文链接：https://mp.weixin.qq.com/s/mI8zvot0fBjmkZ-gra2Prw

模仿学习是让机器人掌握复杂技能的重要途径，而高质量的遥操作演示数据是关键。现有移动操作系统常面临操控分离、协同困难、长时程任务推理能力不足等问题，限制了机器人在真实场景中的应用能力。

核心创新一：RoboMatch 一体化遥操作平台

单人协同操控：通过 VR 头显、主从机械臂与脚踏板集成，实现移动底盘与双臂的同步控制。

沉浸式感知：多视角视觉反馈与运动映射，提升操作直观性与数据采集效率。

硬件系统：搭载 7 自由度从臂（ViperX-300）、差分驱动移动底盘、末端 IMU 与主臂（WidowX-250），构建高拟人化操控体验。

核心创新二：感知增强扩散策略（PVE-DP）

空间 - 频域视觉融合：提出 FE-EMA 模块，结合离散小波变换提取多尺度视觉特征。

丰富本体感知：末端 IMU 采集四元数数据，与关节角度融合，提升姿态感知精度。

精细化操作提升：在模拟与真实任务（如物体插拔、桌面清洁）中，成功率提升 20-30%。

核心创新三：自动匹配网络（AMN）架构

任务分解与动态匹配：基于视觉 - 语言模型（GLM-4.1V）进行链式思考推理，将长时程任务分解为逻辑子任务序列。

轻量化策略网络调度：每个子任务自动匹配预训练的专用策略网络执行，避免误差累积。

长时程推理性能显著提升：在 " 清理垃圾 "" 递送工具 " 等多步骤任务中，成功率较基线方法提升约 40%。

实验验证

我们在 MuJoCo 仿真与真实机器人平台上进行了系统性测试，涵盖：

AMN 架构稳定性验证（3000-4000 步长任务）

PVE-DP 精细化操作能力评估（模拟与真实任务）

RoboMatch 数据采集效率对比（较分离式平台效率提升超 20%）

结果显示，RoboMatch 在操作精度、任务成功率、长时程推理稳定性方面均取得显著突破。

上述研究成果 2026 年 1 月 31 日接收于由 IEEE 机器人与自动化协会主办的 2026 IEEE Intemnational Conference on Robotics and Automation ( ICRA )  ，题为《RoboMatch: A Unified Mobile-Manipulation Teleoperation Platform with Auto-Matching Network Architecture for Long-Horizon Tasks》。ICRA 为机器人领域规模最大，影响最泛的机器人学旗舰会议。第一作者为江南大学机械工程学院 2024 级硕士刘涵裕，指导教师为江南大学机械工程学院宋智功教授。

雷峰网 ( 公众号：雷峰网 )